当前，全球人形机器人、工业机械臂赛道正进入技术落地的关键周期，多模态训练数据的稀缺，尤其是真实机器人采集的、同步覆盖动作标注与环境感知的高质量数据集，已经成为制约机器人控制算法迭代的核心瓶颈之一。作为AI领域全球最大的开源共享平台，HuggingFace的数据集板块已经成为全球研发团队获取训练数据的核心渠道，2026年5月7日，开发者saipuneethgottam正式在该平台首发sweep_dataset_merged_group2数据集，填补了机械臂运动控制场景下多模态同步开源数据集的供给空白。
据公开信息显示，本次上线的sweep_dataset_merged_group2数据集由LeRobot打造，属于机器人控制垂直领域的专属数据集，共包含60个完整任务片段，累计41115帧同步采集数据。数据集的标注维度覆盖两大核心模块：其一为机器人关节全链路动作数据，完整记录了肩部平移、肩部抬升、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置的全周期运动参数；其二为多视角观测视频数据，同步采集了前视、左侧和腕部三个不同机位的观测画面，分辨率分别为1280x720和640x480。所有数据均以30fps的标准帧率采集，采用parquet格式存储，视频部分使用更高压缩比的AV1编码，在保障数据精度的同时降低了存储与下载成本。
从应用场景来看，该数据集可广泛适配机器人领域的多类研发需求：在关节控制算法训练方向，连续标注的关节运动数据可以为机械臂轨迹规划、力控算法训练提供真实参考样本，大幅降低实体机器人试错的时间与经济成本；在多模态感知方向，同步采集的动作数据与多视角视频，可支撑“动作指令-视觉反馈”跨模态对齐模型的训练，帮助机器人实现基于环境视觉变化的自主运动调整；此外，该数据集还可用于数字孪生仿真场景的验证，真实采集的运动与视觉数据能够优化仿真环境的拟真度，提升算法从仿真环境到实体机器人部署的迁移成功率。
该数据集的开放也具备明确的行业价值：当前国内国际机器人研发赛道中小团队占比极高，自主采集同类多模态数据集需要投入大量硬件成本与标注人力，这类高质量开源数据集的开放，能够有效降低行业研发门槛，加速机器人控制、感知技术的落地进程，同时也为全球机器人研发领域的技术复用、评估标准统一提供了基础数据支撑。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)